循环经济视角下中国林业投入产出效率研究——基于省际面板数据的实证分析

宋江浩，张 伟，庄影星

（中北大学经济与管理学院，太原 030051）

以循环经济的视角来发展实体产业，已成为世界各国秉持的理念，并得到国际社会的普遍认同。各国依托于自身的经济发展水平和资源条件，以兼顾经济与生态发展为目标，探索适合本国国情的循环经济发展模式。林业作为实体产业的基础性产业，其能否循环发展关乎到实体产业的稳定与可持续发展。依据循环经济思想发展林业就是指在遵循生态经济学的基础上，运用系统工程方法，把兼顾经济与生态保护作为林业系统产出目标，最大程度实现林业资源的减量化、再利用和再循环。由于循环经济的最终目的是要实现在经济生产活动过程中系统性地避免和减少废弃物的数量，因而对输入端加以约束的“减量化”原则是实施循环经济理论的第一优先法则，而再生利用仅仅是减少废弃物最终处理量的途径之一，即再利用和再循环原则虽是对节省资源、保护环境的重大进步，但其本质仍是亡羊补牢式的，而非防范于未然的措施，具有某些局限性［1］。因此，相对于其他环节，“减量化”原则的落实对于林业经济能否循环发展显得尤为重要。通过在生产过程中实施“减量化”原则能够减少生产过程中的资源消耗并且尽量减低整个过程中的碳排放，获得最大可能的经济与生态产出。

党的十八大以来，中国林业产业总产值从2012年的3.70万亿元增长到2018年的7.66万亿元，年均增长12.07%，增长速度较快；林业一、二、三产业比例由2012年的35∶53∶12调整到2018年的32∶46∶22，产业结构进一步优化。但随着林业结构的优化与人民生活水平的全面提高，人们对林业资源的消耗不断增加，这既加剧了原木资源的消耗同时也增加了碳排放。根据前瞻产业研究院的预估，2020年中国木材需求量将达到8亿m3，而缺口约为2亿m3。与此同时，中国每年约有2亿t木材废弃物被丢弃，木材整体综合利用率不高。因此亟需通过在林业中融入循环经济的理念，最大限度地减少林业要素投入，提高其使用效率以期优化产出能力，最终减少林业生产活动对环境的负面影响。对于林业来讲，研究林业循环经济投入产出效率的发展规律及其存在的问题，能够推动中国林业朝着可持续、高质量的方向发展，最终实现林业供给侧结构性改革的目标。

1 文献综述

国内学者们针对循环经济理念应用于林业的研究成果发展较晚，主要集中在以下几个方面：①循环经济理论应用于林业发展的必要性［2，3］；②林业循环经济与可持续发展的关系［4，5］；③林业循环经济发展模式［6，7］；④地区林业循环经济发展水平测算［8-10］。综上所述，学者们针对林业循环经济的研究经历了从理论研究到实证研究的演变，由浅入深。而随着生态文明建设的思想逐渐融入到各个领域，“生态林业”正成为当下林业研究发展的潮流与趋势，循环经济作为实现林业生态化发展的必由之路正逐渐成为政府及社会研究的热点。

针对中国林业效率的研究主要集中在以下2个方面：①在对省域林业效率进行静态研究中，SFA与DEA是较为常用的方法。赖作卿等［11］运用DEA模型，以广东省为例，对其2006年林业投入产出数据效率进行了测算，并运用超效率模型有效区分了广东省多个DEA有效城市的林业投入产出效率，发现广东省地级市林业效率存在发展不均衡的趋势；李春华等［12］运用DEA方法对2006年中国31个省份的林业效率进行了研究，结果表明，中国2006年林业整体的效率有待提高；张颖等［13］运用BCC-DEA模型对1993—2013年北京市10年间的林业效率值进行了测算，结果显示北京市在此期间投入产出的综合效率较高；田杰等［14］运用SFA方法对1999—2011年中国31个省份的林业生产技术效率进行了测算，指出中国林业生产效率水平还有很大的提高空间；史常亮等［15］运用SFA-Malmquist方法对2004—2015年4大区域的林业效率进行了评价，结果显示中国林业生产中平均技术效率较低。②在对省域林业效率进行动态研究中，Malmquist指数是较为常用的方法。刘清泉等［16］运用Malmquist指数法对1996—2007年广东省林业全要素以及变动趋势进行了分解测算和描述，表明广东省大多数城市林业全要素生产率增长属于技术进步型；苏时鹏等［17］运用Malmquist指数对2004—2009年闽浙赣林户家庭林业全要素进行了测算，表明技术进步是家庭林业全要素生产率增长的主要动力；臧良震等［18］运用Malmquist指数对1997—2012年中国30个省市林业全要素进行了分析，结果显示中国林业全要素生产率呈现明显的时间波动现象。

综上所述，学者们的研究成果为本研究奠定了一定的理论基础，但仍存在部分不足之处。一是缺乏从全国角度对林业循环经济效率进行研究的成果。二是针对林业效率文献基本是从动态角度或者静态角度研究，而从静态角度多适用于研究截面数据，对于效率多年变化规律则难以判断，而Malmquist指数方法是处理多年时间序列数据的好方法［19］。这2种方法的结合在其他领域已得到广泛应用，例如农业技术效率［20］、绿色经济效率［21］、水资源利用效率［22］以及煤炭利用效率［23］。但尚未看到这2种方法结合应用于林业领域。三是大部分文献使用的林业数据集中在2015年之前，缺乏最近几年的研究成果。四是以往文献大多是从省域或区域角度研究林业效率，且从区域角度来看，大部分是基于测算结果来对区域进行划分，对于区域与省域2种角度相结合的研究成果仍较少。因此，本研究首先将全国划分为传统的4大区域，即东部、东北、中部和西部，然后基于2006—2017年中国林业的投入产出数据，运用非径向SBM模型和Malmquist指数对林业循环经济效率进行静态与动态测算，并比较各个区域的效率差异，提出优化林业效率的政策建议，以期提高中国的林业循环经济效率。

2 研究方法与指标构建

2.1 林业循环经济效率测度的SBM模型

鉴于传统的BCC-DEA或CCR-DEA模型只包括期望产出，而未考虑非期望产出对林业生产过程的影响，这与实际不符，而且传统模型对无效率单元的改进只列出投入产出等比例缩减值，对于松弛改进的部分并未在效率值中体现，存在一定的局限性，因此采用Tone［24］提出的SBM模型，消除因径向和角度带来的测量误差，具体的SBM模型如下：

2.2 Malmquist指数模型

传统DEA通常能够评价决策单元的静态效率，但对于决策单元跨时期技术变动以及由此带来的生产边界的移动却难以测算［25］。因此，本研究在测算静态效率的基础上结合Malmquist指数来测算林业动态效率。Malmquist指数首先由经济学家Malmquist提出，之后Fare等学者将其与DEA相结合，逐步建立起考察2个相邻时期全要素生产率变化的DEA-Malmquist模型。该指数（M L）的具体运算公式如下：

式中，xt、yt和xt+1、yt+1分别表示第t时期与第t+1时期的投入与产出；Zt、Zt+1表示相应时期的非期望产出；Dt和Dt+1表示相应时期的距离函数；结合本研究，M L表示林业全要素生产率，林业全要素生产率还可以进一步分解为技术效率指数（E C）与技术变化指数（T C）。若林业全要素生产率及其分解指数大于1，则表明M L、E C、T C呈现出上升趋势。

2.3 指标选取与数据来源

循环经济的本质是经济，外延是生态、社会和经济的关系［26］。本研究选取的林业投入产出指标既体现了循环经济的本质，又体现其外延。

本研究以古典经济增长理论中的劳动力、土地、资本3要素作为选取投入指标的标准，在此基础上对投入指标进行创新，考虑到林业一、二、三产业对于能源的使用，增加能源要素的投入。用林业当年年末从业人数、林业用地面积以及林业固定资产完成额作为传统3要素的投入指标，并参考陈珂等［27］的研究选用林业总产值能耗作为能源要素的投入指标。鉴于林地面积每5年测1次，本研究对间隔期间的林地面积进行了估计。

产出指标包括期望产出和非期望产出2部分，即产出指标既反映人类在林业生产活动中创造的经济价值以及林业所创造的生态价值，又包括林业生产对环境所产生的不利影响。林业生态产出体现为天然林的保护以及人工林的营造活动，由于天然林的保护数据难以直接获得，因此本研究选择人工林的营造活动产出代表林业的生态效应产出，即当年造林面积。而林业经济产出则用林业产业总产值进行表征。林业非期望产出包括林产工业废水、林产工业废气以及林产工业固体废弃物。具体指标如表1所示。

表1 林业投入产出指标构成

为了进一步对影响林业全要素生产率以及造成各省份全要素生产率差异的因素进行识别，本研究在参考前人研究的基础上，从自然和经济2个角度选取影响林业全要素的因素以纳入回归模型。自然因素包括：①林业灾害（LZ），用各省份森林鼠病虫害发生总面积之和进行表征；②森林面积（FGL），用各省实际森林占有面积进行表征。经济因素包括：①林业基层从业人员平均受教育程度（EDU），用林业工作站各学历从业人员所占比例乘以各自所属学历对应的累积年限数，假设从小学到大专及以上、高中、初中各自对应的平均累积受教育年限分别为16年、12年、9年；②林业二产比值（LER），用林业第二产业产值占林业总产值的比重表征；③林业三产比值（LSA），用林业第三产业产值占林业总产值的比重表征。

根据选取的5个影响因素构建普通面板回归模型，为了减少数据异方差以及量纲相差太大对实证结果的影响，利用Stata软件对所有变量做对数化处理，具体的表达式如下：

式中，i和t分别表示省份（1、2、3……30）和年度（2006、2007、2008……2017），LnM L i t为林业全要素的累积值，考虑到测出的林业全要素是环比增长率，故采用陈超凡［28］的做法，假定2006年视为基期，将基期的M L指数指定为1，通过逐年累乘的方法将M L环比增长率转换为研究期内各省每年的绿色全要素生产率。β0为常数项，β1、β2、β3、β4、β5为各影响因素对应的系数，εi t为随机误差项。

本研究主要选取了2006—2017年中国30个省（自治区、直辖市）（鉴于数据的可获得性，港澳台以及西藏地区暂未考虑）的林业投入产出数据，同时运用线性插值法补全了少量缺失的数据。以上这些数据均来自《中国林业统计年鉴（2006—2017）》《中国统计年鉴（2007—2018）》以及《中国能源统计年鉴（2007—2018）》。

3 实证分析

在以往省域研究的基础上，本研究根据国家统计局对中国经济区域的划分，将中国的经济区域划分为东部、中部、西部和东北4大地区，如表2所示。通过空间与时间上的横向和纵向与静态和动态林业循环经济投入产出效率研究，以期发现2006—2017年中国林业发展的现状与问题。

表2 中国地理区域划分

3.1 基于DEA模型的林业静态效率

由图1可知，2006—2017年中国林业循环经济效率地区发展整体差异较大，呈现出显著阶梯式区域失衡。中西部地区在研究期大部分时间内高于全国平均值，也远远高于东部地区，这与国家财政政策倾斜有关。仅2017年西部地区林业投资完成额为2 263亿元，远远超过东部林业投资1 244亿元的完成额，但值得警惕的是西部地区林业效率呈现出下滑态势。东北地区作为传统的森林资源富裕区，林业循环经济效率已远低于全国平均水平，表明其林业循环经济模式发展相对滞后，这与东北地区近年来经济发展停滞、产业结构升级缓慢等多因素叠加有关，由传统模式向循环经济发展模式转变仍需当地政府进行合理规划和努力。

图1 2006—2017年中国林业4大区域综合效率趋势

为了进一步明确效率发展不平衡的分布，基于测算出的2017年各省市林业投入产出的纯技术效率与规模效率，以纯技术效率为横坐标，规模效率为纵坐标，同时根据Norman等［29］研究中对效率值强度的分类，用（0.9，0.9）作为分界线，将中国30个省（自治区、直辖市）分为4种类型，具体的分布情况见图2。

由图2可知，林业循环经济效率集群效应明显但是各区域内部省份效率发展水平不一。第一种类型为“双高型”，即纯技术效率和规模效率均大于界值0.9，该类型省份的林业资源利用水平较高，而且林业规模发展较为合理。这些省市包括北京、天津、河北11个省市。第二种类型为“高低型”，属于纯技术效率大于界值0.9而规模效率小于界值0.9，这些省份包括陕西、湖南、上海、安徽以及宁夏5个省市。主要原因在于虽然湖南、陕西等地林业合作社、龙头企业起到了良好的带头作用，但是分散经营、小户经营仍然占据大部分，较为分散，今后改进的方向就是合理有效地将散户组织起来以形成规模效应。第三种类型为“低高型”，属于规模效率大于界值0.9而纯技术效率小于界值0.9，这些省份包括广西、吉林、河南、云南以及四川5个省份。耿利敏等［30］认为中国林业第二产业处于劳动密集型向技术密集型转变的过程，偏向于过度依赖现有林业资源禀赋优势，不利于林业效率的提升，从实际来看，这些省份中第二产业占据主导地位，且这些省份属于人造板大省，该行业占据了大量的林业能力资源禀赋从而抑制了高附加值林产品能力禀赋的累积，不利于林业技术效率的提升。第四种类型为“双低型”，即林业纯技术效率和规模效率均小于界值0.9，这种类型包括江苏、浙江、福建以及山东等9个省份。“双低型”省份主要分布在东部地区，这与东部地区的产业结构有关，随着东部地区产业结构的升级，要素资源投入更加倾向于新兴产业等高附加值产业，对林业的基础性作用重视程度不够从而抑制了林业效率的提升。

图2 30个省（自治区、直辖市）纯技术效率和规模效率分布

3.2 基于Malmquist指数的林业动态效率

通过样本数据的统计整理，运用Malmquist指数模型对中国林业循环经济效率进行动态测算，得到2006—2017年全国、全国4大区域以及30个省（自治区、直辖市）林业循环经济效率的M L指数和分解项均值，具体结果如表4所示。依据这些指数可进一步分析中国林业循环经济全要素生产率的技术效率指数以及技术变化指数趋势，从而找出影响中国林业循环经济投入产出效率的主要因素。

3.2.1 基于时间维度的ML指数变动分析由图3可知，2006—2017年中国林业M L指数整体呈现出上下波动态势，共出现了3次上升期和3次回落期，其中2008—2010年属于回落期，2008年南方雪灾以及美国次贷危机的双重影响致使林业产出下降、就业机会减少、外部需求减少，林产品出口受阻，积压较为严重，抑制了林业全要素的提升；2010—2011年M L指数处于增长的小高峰，这与全球经济复苏以及政府对林业的宏观调控密切相关；2011—2012年以及2013—2014年林业M L指数又处于增长的低谷期，这与2011年“天保二期”工程开始实施有关，当年国有林区木材产量比2010年减少497万m3，短期来看一定程度上损害林业产业的整体规模；2012—2013年又处于M L指数增长期，2012年国家财政部门下拨12亿元重点解决国有林场突出的职工社会保险问题，极大调动了林场职工的积极性，有利于林业全要素的提升。2014年以后林业M L指数基本处于增长状态，这与国家政策有关，每年中央1号文件都强调推动生态文明建设和林业改革工作，有力推动了林业的发展。整体来看，研究期内林业全要素基本处于临界值1的参考线之上，说明林业产业在研究期内正朝着循环经济的方向发展。

图3 林业M L指数与其分解指标技术效率与技术变化指数的变动趋势

林业M L指数计算结果显示，2006—2017年中国林业全要素每年以超过11个百分点的速度增长，表明林业要素资源的利用结构正不断优化，林业产业的集约化经营程度正逐渐提升。对M L指数进一步分解，研究期内技术变化指数平均值为1.109 1，即林业技术进步的年均增长率为10.9%，而研究期内技术效率基本维持在1的水平，对林业全要素的提升作用较为微弱，并且大部分年份中属于单因素驱动林业全要素提升，林业技术进步成为驱动研究期内林业M L指数增长的主要原因。研究期内技术变化指数与M L指数的波动趋势基本保持一致性，进一步验证了技术变化对于M L指数的贡献作用，揭示了技术进步对林业全要素生产率显著的正向影响作用。

3.2.2 基于空间维度的M L指数变动分析由表4可知，从区域方面来看，东部、中部、西部、东北4大区域的林业全要素生产率分别是1.150、1.099、1.092和1.088。林业全要素生产率也呈现出较为明显的地区发展不平衡趋势，形成东部、中部、西部和东北梯次分布的局面。在全国4大区域中增长速度较快的依旧是东部，主要是东部的科研资源较为丰富，技术创新能力较强，一直以来在技术水平方面领先全国其他地区。根据对M L指数的进一步分解，研究期内4大区域中技术变化增长速度均超过5个百分点，而技术效率变化基本维持不变，值得关注的是中部和东北地区在技术效率方面呈现出微负增长态势，属于单因素驱动型增长，中部和东北地区在未来的发展中应注意调整林业组织管理水平，在林业技术进步的同时提高技术效率。

表4 全国30个省市（区）林业投入产出效率M L指数及其分解项

从省域方面来看，有27个省市的全要素生产率M L值大于1，林业生产率有明显的提高，要素资源配置朝着高效化方向发展，增长较快的地区主要是北京、天津、浙江、福建、广东等省，年均增长率均高于20%，这些地区的技术变化增长率远高于技术效率增长率，说明在林业资源利用和环境保护等方面取得较快进步，能够兼顾经济增长与环境保护。从技术效率（E C）来看，研究期内北京、天津、福建、广东等14个地区的技术效率在提升；海南、山西、云南等6个地区技术效率维持不变；上海、山东、黑龙江、河南等10个地区的技术效率在下降。从技术变化（T C）来看，除了青海省，其余地区技术变化均表现出明显的上升趋势。

3.3 回归分析

由表7可知，林业基层从业人员平均受教育程度、林业三产比重对林业全要素均有显著正向影响，森林面积系数虽为正，但并不显著。林业基层从业人员平均受教育程度的系数为5.906，表明林业基层人员受教育程度越高，越利于先进技术在林业生产中的应用，同时在发展中能够兼顾林业资源的集约化利用以及生态环境保护。林业二产比重系数为-0.191，而林业三产比重的系数为0.180，这表明林业产业结构向高级化方向发展对林业全要素具有较强的提升作用，印刷以及造纸等行业很容易造成水资源的浪费以及污染，对环境造成不利影响，同时应当鼓励各个地区因地制宜完善森林旅游、农家乐等基础设施建设，提升林业第三产业占比。林业灾害的系数为-0.398，表明林业森林鼠病虫害会对林业产出造成破坏作用，抑制林业全要素的提升。

表7 林业全要素影响因素回归结果

4 小结与建议

本研究运用非径向SBM模型与Malmquist指数模型分析了2006—2017年中国30个省（自治区、直辖市）林业循环经济投入产出的静态效率与动态效率，得出如下的结论：①无论是从静态还是动态来看，2006—2017年中国林业循环经济效率地区间发展水平参差不齐，呈现出显著阶梯式区域失衡态势。②林业循环经济效率集群效应明显但是各区域内部省份效率发展水平不一。③研究期内，林业全要素的增长主要依赖于林业技术进步，林业技术效率的贡献较为微弱，总体来看，中国林业经济发展正逐渐从“粗放式增长”向“集约型增长”方式转变，资源有效利用程度在逐渐提高。④林业基层工作人员受教育程度以及林业三产比重能够有效提升林业全要素的增长，而林业二产比重和森林鼠病虫害面积对全要素产生抑制作用。根据以上研究结论，提出如下建议。

1）政府要加强林业政策规划和宏观调控，促进协调发展。不断加强组织管理，优化组织结构，提高林业组织管理水平。加强责任管理，各省市（区）政府制定林业资源保护发展目标责任制，以考评机制促进各级林业工作责任。健立健全财政支持政策，优化资金分布，敢于尝试财政、税收、金融等方面的新措施，增加林业投融资保障机制，完善激励体制机制，通过奖励或优惠政策，调动广大林业经营者的积极性，为林业发展注入新动力。加强林业产业结构的调整，鼓励东部地区企业到中部、西部和东北地区发展，将东部地区较好的科研和技术优势应用于中部、西部和东北地区，构建和完善林业技术科研研究院，促进地区间设备、人才、技术流动，不断缩小地区差异，实现平衡发展，形成林业协调可持续发展的长效机制和新格局。

2）实施创新驱动，促进林业集约化发展。增加林业科研投入，加快科技人才引进和培养速度，充分发挥科技创新在林业人才培养中的积极带动作用，提高林业科技创新能力，强化林业科学技术支撑，对林业原有生产能力资源禀赋进行重新分配，不断优化林业产业结构，引导林业资源向高附加值行业适当集聚。加快林业的产品创新、组织创新、科技创新和理念创新，推动形成林业资源品种不断丰富，组织管理水平不断提高，科技创新能力显著提升，发展理念高度重视的集约化发展模式。推动林业经济从规模扩张向质量提升、要素驱动向创新驱动转变，实现林业经济集约高效发展。

3）依托现代化技术，提升林业灾害管理水平。第一，依托现代技术构建信息共享的应急新机制，当前林区信息传输较为闭塞，区域之间难以达到信息实时共享，因此需要加快林区网络基站建设，便于各种灾害信息的及时传播，及早防范和应对可能发生的情况。第二，利用现代化技术加强病虫害的防治，利用无人机和遥感等技术实时监控林业灾害的发生情况，并对获得的图像信息与正常图片进行比对，实现灾害监测预警的功能。第三，利用先进技术加强科学管理，对林业资源进行合理的种植、开发和保护，降低林业灾害发生率，推动林业向生态循环方向加快发展，促进林业资源经济和自然生态环境可持续发展。

4）加强林业科技人才和管理人才的培养。林业经济的循环发展以及林业产业结构的升级均离不开林业人才的支持。推动林业教育创新发展，对林业人才要定期进行培训，提升基层人员专业技能；提升林业人才的待遇水平，吸引优秀的人才加入林业队伍；打破地域的界限，优化人才资源配置；健全林业人才培养机制，提高林业人才培养的数量和质量水平，促进林业健康可持续发展。同时政府应该立足于当地林业发展现状，与林业优势学科相关高校合作，理论与实践相结合，安排林业基层工作人员定期到高校进修，有利于基层人员了解和把握林业技术的发展方向，促进林业向循环经济的方向发展。